透视箱子：基于雷达信号的非视距三维重建
论文《Seeing through boxes: Non-Line-of-Sight 3D Reconstruction from Radar Signals》提出GeRaF 2.0框架，融合视线几何约束与神经场，实现射频信号下隐藏场景的高质量三维重建，在CVPR 2026发表。
文章情报
要点
- 射频信号可穿透遮挡物获取隐藏场景信息，但传统方法受低分辨率和噪声困扰。
- 现有非视距重建方法忽略视线几何的物理约束，导致优化不稳定和表面模糊。
- GeRaF 2.0融合视线先验与神经场，同时重建可见与隐藏几何，实现物理一致的重建。
- 该方法在射频几何重建中取得最先进性能，为透视成像、自动驾驶等应用开辟新可能。
为什么重要
这条新闻值得关注，因为射频信号可穿透遮挡物获取隐藏场景信息，但传统方法受低分辨率和噪声困扰。
技术影响
可能影响模型选型、推理成本、产品能力和评测基准。
2026年5月27日，一篇题为《Seeing through boxes: Non-Line-of-Sight 3D Reconstruction from Radar Signals》的论文提交至arXiv，并被IEEE/CVF计算机视觉与模式识别会议（CVPR 2026）收录。该研究由Jiachen Lu等人完成，提出了一种创新的统一视线（LoS）与非视距（NLoS）神经几何重建框架GeRaF 2.0。
在计算机视觉与机器人感知领域，从射频信号中重建物体几何形状是一项极具挑战但极具前景的任务。与光学成像不同，射频传感本质上是无透镜成像，导致空间分辨率低且噪声水平高。然而，射频信号具有穿透遮挡物的独特能力，能够揭示隐藏在墙壁、箱子等障碍物后的场景信息。这一特性使得非视距（NLoS）感知成为可能，但如何从嘈杂的射频信号中恢复出精确的三维几何结构一直是研究难点。
现有的NLoS三维神经重建方法，如基于神经辐射场（NeRF）或符号距离场（SDF）的技术，虽能恢复封闭环境内的粗略表面，但常常面临优化不稳定、表面几何噪声大以及表面模糊等问题，难以从SDF中生成精确的零水平集。作者分析认为，这些局限性的根源在于忽略了封闭区域外部视线（LoS）几何的作用。实际上，LoS区域的几何结构为信号传播建模提供了宝贵的物理约束，能够引导射频信号从LoS区域到NLoS区域的传播路径，从而稳定重建过程。
为此，GeRaF 2.0框架创新性地整合了外部LoS几何信息，将其作为先验融入神经场表达中。通过引入视觉LoS先验，该框架不仅能够稳定训练过程，还能在物理一致性约束下同时重建可见与隐藏区域的几何形状。具体而言，GeRaF 2.0利用雷达信号在LoS区域的已知传播路径，反向推导信号在NLoS区域的散射与反射行为，从而联合优化可见与不可见部分的表面。实验结果表明，该方法在多个基准数据集上均取得了最先进的性能，显著超越了现有的射频几何重建方法，重建精度和表面质量均有大幅提升。
这一突破为透视成像、自动驾驶、安防监控、灾难救援等需要穿透遮挡物进行三维感知的应用开辟了新的可能性。例如，在自动驾驶中，车辆可以借助雷达信号“看到”被前方卡车遮挡的行人；在安防领域，可探测隐藏的物体或人员。论文的代码和数据已计划公开，有望推动该领域的进一步研究与实际部署。